基于改进YOLO v8模型的烟草食叶性害虫识别

来源：江苏农业科学杂志2024年第第17期北京时间：

作者：张伟伟;陈赛越扬;崔英;沈广才;苏展;张卫正;李永亮;李萌

单位：1.郑州轻工业大学计算机科学与技术学院，河南郑州 450001； 2.河北中烟工业有限责任公司，河北石家庄 050051； 3.云南省烟草公司保山市公司，云南保山 678000； 4.郑州轻工业大学烟草科学与工程学院，河南郑州 450001

摘要：烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾是烟草上重要的食叶性害虫，它们的准确识别是虫情预报和防治的基础。提出了基于改进的YOLO v8模型的烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾的识别方法，首先在YOLO v8的C2f模块中加入了EMA注意力机制，提高了YOLO v8模型对于烟草害虫的关注度；其次使用SIoU Loss改进YOLO v8的边界框损失函数，提高模型定位的准确性并加速模型收敛；最后利用AFPN渐近特征金字塔网络改进了YOLO v8对非相邻特征的融合效果，提高了模型对烟草害虫特征提取的效率和准确率。与Faster R-CNN、SSD、Retinanet、YOLO v3-tiny、YOLO v4-tiny、YOLO v5s和YOLO v8等目标检测模型在本研究所构建的4种常见烟草害虫的数据集上进行对比，试验结果表明，本研究所提出的方法在精确率、召回率和平均精度均值(mAP)上比原有的YOLO v8模型及上述其他目标检测模型平均提高了6.24、6.53、7.22百分点，为烟草害虫的精准识别提供了技术支持。

关键词：烟草;害虫;识别技术;YOLO v8改进模型;损失函数;目标识别